你知道有哪些池化方法

问题引入

卷积神经网络的中常常用到池化这么一个操做，那么池化操做有哪些方法呢？

问题解答

池化操做一般也叫作子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网络时，每每会用在卷积层以后，经过池化来下降卷积层输出的特征维度，有效减小网络参数的同时还能够防止过拟合现象。池化操做能够下降图像维度的缘由，本质上是由于图像具备一种“静态性”的属性，这个意思是说在一个图像区域有用的特征极有可能在另外一个区域一样有用。所以，为了描述一个大的图像，很直观的想法就是对不一样位置的特征进行聚合统计。例如，能够计算图像在固定区域上特征的平均值 (或最大值)来表明这个区域的特征。

SPPNet就引入了空间池化的组合，对不一样输出尺度采用不一样的滑窗大小和步长以确保输出尺度相同，同时用如金字塔式叠加的多种池化尺度组合，以提取更加丰富的图像特征。经常使用于多尺度训练和目标检测中的区域提议网络(Region Proposal Network)的兴趣区域(Region of Interest)提取

参考：

[1] https://www.zhihu.com/question/49376084

喜欢就关注一下啦~~~